Question

我对R和AI / ML技术还很陌生。我想用神经网络进行预测，因为我是新手，我只想知道这是不是应该怎么做。

作为一个测试案例，我基于之前的2个值预测sin()的值。对于培训，我使用y = sin(x)，x1 = sin(x-1)，x2 = sin(x-2)创建数据框，然后使用公式y ~ x1 + x2。

它似乎有用，但我只是想知道这是否是正确的方法，或者是否有更惯用的方式。

这是代码：

require(quantmod) #for Lag()
requre(nnet)
x <- seq(0, 20, 0.1)
y <- sin(x)
te <- data.frame(y, Lag(y), Lag(y,2))
names(te) <- c("y", "x1", "x2")
p <- nnet(y ~ x1 + x2, data=te, linout=TRUE, size=10)
ps <- predict(p, x1=y)
plot(y, type="l")
lines(ps, col=2)

由于

[编辑]

预测电话会更好吗？

t2 <- data.frame(sin(x), Lag(sin(x)))
names(t2) <- c("x1", "x2")
vv <- predict(p, t2)
plot(vv)

我想我希望看到nnet实际上是通过查看它的预测（它应该接近一个正弦波）来工作。

Answer 1

我非常喜欢caret包，因为它为各种模型提供了一个漂亮的统一界面，例如nnet。此外，它使用交叉验证或引导重新采样自动调整超参数（例如size和decay）。缺点是所有这些重新采样需要一些时间。

#Load Packages
require(quantmod) #for Lag()
require(nnet)
require(caret)

#Make toy dataset
y <- sin(seq(0, 20, 0.1))
te <- data.frame(y, x1=Lag(y), x2=Lag(y,2))
names(te) <- c("y", "x1", "x2")

#Fit model
model <- train(y ~ x1 + x2, te, method='nnet', linout=TRUE, trace = FALSE,
                #Grid of tuning parameters to try:
                tuneGrid=expand.grid(.size=c(1,5,10),.decay=c(0,0.001,0.1))) 
ps <- predict(model, te)

#Examine results
model
plot(y)
lines(ps, col=2)

它还可以预测适当的比例，因此您可以直接比较结果。如果您对神经网络感兴趣，还应该查看neuralnet和RSNNS包。 caret目前可以调整nnet和neuralnet模型，但还没有RSNNS的界面。

/ edit：caret现在有RSNNS的界面。事实证明，如果您通过电子邮件发送软件包维护人员并要求将模型添加到caret，他通常会这样做！

/ edit：caret现在也支持来自brnn包的前馈神经网络的贝叶斯正则化。此外，插入符号现在还可以更轻松地指定您自己的custom models，以便与您喜欢的任何神经网络包进行交互！

使用nnet进行预测，我做得对吗？

[编辑]

1 个答案: